Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Statistika opisna automatizirana

Lekcija 4 od 14 Ažurirano 5. studenoga 2026. Srednja razina
Na ovoj stranici
  1. Razumijevanje podataka u trenu
  2. Brzi statistički sažetak
  3. Statistika po kategorijama
  4. Distribucije i frekvencije
  5. Korelacije između varijabli
  6. Otkrivanje odstupanja (Outliers)
  7. Automatiziranje opisnog izvješća
  8. Tvoj red
  9. Ključne točke

Razumijevanje podataka u trenu

Opisna statistika temelj je svake analize. Srednja vrijednost, medijan, standardna devijacija, distribucija: ti ti pokazatelji govore što tvoji podaci sadrže prije nego što uopće pokušaš išta objasniti. Preskakanje ovog koraka poput je izgradnje preporuke na prosjeku iskrivljenom s tri ekstremne vrijednosti, a zatim njezina obrana uvjerenjem koje brojevi ne zaslužuju. Uz ChatGPT, ta dijagnoza zahtijeva samo jednu rečenicu, a tumačenje slijedi odmah.

Brzi statistički sažetak

Najjednostavnija naredba za početak:

Give me a complete statistical summary of this dataset.

ChatGPT se općenito oslanja na pandas funkciju describe() i komentira rezultat. Za svaki numerički stupac dobivaš sljedeće pokazatelje:

  • count — broj nepraznih vrijednosti
  • mean — prosjek (srednja vrijednost)
  • std — standardna devijacija (mjera raspršenosti)
  • min / max — ekstremne vrijednosti
  • 25% / 50% / 75% — kvartili (medijan = 50%)

Unakrsno uspoređivanje ovih redaka već pruža uvide. Ako je count 8.400 u datoteci od 10.000 redaka, 16 % podataka nedostaje, a svaki izračunati prosjek vrijedi samo za dio portfelja. Ako se srednja vrijednost značajno razlikuje od medijana, distribucija je iskrivljena. Umjesto da to računaš u glavi, jednostavno pitaj:

Interpret these statistics: which columns have high dispersion?
Are there outliers? Which distributions appear skewed?

Statistika po kategorijama

Globalni prosjeci gotovo uvijek prikrivaju nejednakosti. Prosječna vrijednost košarice od 180 € mogla bi skrivati segment poduzeća na 900 € i segment pojedinaca na 60 €. U tom slučaju prosjek ne opisuje nijednog stvarnog kupca, a svaka odluka utemeljena na njemu promašuje obje populacije u potpunosti.

Calculate the mean, median, and standard deviation of order amounts
for each product category.

I dalje moraš odabrati pokazatelj koji odgovara na tvoje pitanje jer svaki mjeri nešto drugačije.

PokazateljŠto mjeriKada ga koristiti
Mean (Srednja vrijednost)Središnja vrijednostSimetrični podaci, bez ekstremnih vrijednosti
Median (Medijan)Središnja vrijednostIskrivljeni podaci ili podaci s odstupanjima
Standard deviation (Stand. devijacija)Raspršenost oko srednje vrijednostiProcjena varijabilnosti učinka
Mode (Mod)Najčešća vrijednostKategorički ili diskretni podaci
Correlation (Korelacija)Linearni odnos između dviju varijabliIdentifikacija povezanih čimbenika

Distribucije i frekvencije

Za numeričku varijablu oblik distribucije govori ti više od prosjeka. Histogram pokazuje grupiraju li se tvoji iznosi oko jedne vrijednosti ili se šire preko dva različita vrha, što je znak dva preklapajuća obrasca kupnje u istoj datoteci.

Show the distribution of the "order_amount" column
with a histogram and indicate whether it follows a normal distribution.

ChatGPT generira histogram i može primijeniti test normalnosti, poput Shapiro-Wilkovog testa, što utječe na odabir naknadnih testova. Na velikim uzorcima ovaj test označava i najmanje odstupanje od normalnosti, stoga provjeri oblik histograma prije donošenja zaključaka. Za kategoričke varijable logika se prebacuje na frekvencije:

What is the distribution of clients by industry sector?
Display absolute and relative frequencies.

Dobivaš broj i postotak za svaku kategoriju – dovoljno da uočiš kako jedan sektor čini 60 % portfelja, što znači 60 % tvog rizika ako taj sektor uspori.

Korelacije između varijabli

Korelacije otkrivaju odnose između tvojih numeričkih stupaca i otvaraju nove puteve za analizu.

Calculate the correlation matrix and identify the pairs
of variables with the highest correlations (positive and negative).

ChatGPT generira matricu, ističe značajne korelacije i objašnjava što svaka od njih znači u tvom poslovnom kontekstu. Pri čitanju rezultata nužne su tri mjere opreza. Prvo, korelacija ne implicira uzročnost: zajednički rast proračuna za oglašavanje i prodaje mogao bi biti samo zajednički učinak sezonalnosti. Drugo, ekstremne vrijednosti iskrivljuju koeficijent – zatraži izračun s odstupanjima i bez njih; razlika je često poučna. Konačno, kategoričke varijable nisu uključene prema zadanim postavkama. Da bi uključio segmente kupaca ili prodajne kanale, zatraži prethodno kodiranje. Da bi išao dalje – usporedba skupina t-testom ili ANOVA-om ili modeliranje odnosa regresijom – opiši što želiš razumjeti, zatraži od ChatGPT-a odgovarajuću tehniku i neka ti objasni rezultat.

Otkrivanje odstupanja (Outliers)

Odstupanje (outlier) nužno nije pogreška. Narudžba od 95.000 € mogla bi biti pogreška u unosu podataka ili prvi veliki ugovor s poduzećem ove godine. Postupanje je potpuno različito: u jednom slučaju ispravljaš, u drugom ističeš.

Identify outliers in "order_amount"
using the IQR method. List the affected rows
and indicate whether they appear to be errors or legitimate cases.

ChatGPT izračunava granice IQR-a (Q1 - 1,5 * IQR i Q3 + 1,5 * IQR) i navodi vrijednosti izvan granica s njihovim kontekstom. Tada odlučuješ redak po redak umjesto da odbaciš cijelu seriju – i slučajno izbrišeš upravo one klijente koji su ti obilježili godinu.

Automatiziranje opisnog izvješća

Kada savladaš pristup, sažmi ga u jedan upit:

Generate a complete descriptive statistical report for this file.
Include: overview, statistics per numerical column,
distribution of categorical variables, main correlations,
detected outliers, and recommendations for the next analysis step.

Ovaj upit stvara strukturirani dokument koji trebaš pregledati prije dijeljenja. Drži ga pri ruci: primijenjen na isti izvoz svaki mjesec, postaje tvoja standardna polazna točka i čini razdoblja usporedivima.

Statistička dijagnoza u pet koraka Pet koraka: sažmi numeričke stupce; segmentiraj po kategoriji; ispitaj distribucije; potraži korelacije; identificiraj odstupanja. STATISTIKA Statistička dijagnoza u pet koraka 1 Sažetak Stupci 2 Segmenti Kategorije 3 Oblici Distribucije 4 Veze Korelacije 5 Odstupanja Outliers (Odstupanja) Odstupanje nužno nije pogreška: odluči redak po redak.
Metodologija lekcije.

Tvoj red

Tvoja prva statistička dijagnoza.

  1. Zatraži statistički sažetak svoje datoteke, a zatim njegovo tumačenje
  2. Usporedi srednju vrijednost i medijan na svom glavnom stupcu iznosa
  3. Izračunaj iste pokazatelje po kategoriji
  4. Prikaži distribuciju tog stupca i identificiraj odstupanja
  5. Klasificiraj svako odstupanje: pogreška za ispravak ili legitimni slučaj

Službeni izvori: Extracting Insights with ChatGPT Data Analysis · Data analysis with ChatGPT (OpenAI Help Center)

Ključne točke

  • Statistički sažetak tvoj je prvi korak nakon čišćenja
  • Uvijek segmentiraj po kategoriji – globalni prosjeci prikrivaju nejednakosti
  • Medijan je često pouzdaniji od srednje vrijednosti za podatke iz stvarnog svijeta
  • Korelacije otkrivaju puteve za analizu, a ne sigurnosti
  • Zatraži od ChatGPT-a da protumači brojeve, a ne samo da ih izračuna